《用机器学习模拟激光武器系统的决策支持以打击无人机蜂群》美国海军74页论文

现代战术战争越来越复杂，需要更快和更有效的决策。为了支持这些快速决策，有人提出使用自动决策辅助工具作为解决方案（Johnson 2019, 63）。鉴于现代战场的复杂性质，决策辅助工具需要大量的数据。为了支持决策辅助工具的发展，机器学习代表了一种支持有效决策辅助工具的潜在方法。这项研究的目标是进行实验，探索应用机器学习来帮助作战人员进行复杂的激光武器系统与无人机群的交战决策。为了实现这一目标，研究了激光武器系统和无人机威胁，并选择了一个仿真程序来生成可用于训练机器学习算法的交战数据。

这篇论文研究了威胁交战方法，确定了有效操作激光武器系统必须考虑的决策因素，以及人工智能和机器学习在支持决策方面的应用。对无人驾驶飞行器或无人机的威胁进行了基础研究，以确定风险并支持交战方法的发展。该基础研究支持选择场景并将其编入兵棋和仿真软件Swarm Commander Tactics，该软件用于模拟战斗。这项研究进行了一项实验，通过建模和仿真交战场景来开发机器学习算法的概念验证，以收集训练数据并使用这些数据来训练机器学习算法。训练算法的目的是为了确定使用模拟舰载激光武器时的生存能力和成功的交战方法。在生成模拟交战数据后，使用模拟交战测试了多种机器学习技术，以确定机器学习预测是否能够支持基于模拟数据的自动决策辅助。这项研究研究了机器学习的算法方法以及开发和训练机器学习系统的过程。

总的来说，对多种机器学习技术进行了评估，以支持在模拟交战中预测成功的无人机交战方法，发现最适合的是树状分类技术。实验证明了机器学习在这个问题领域的应用，通过建模和模拟，机器学习算法训练是成功的。最终机器学习算法预测的结果，在预测基于敌人类型、数量和激光武器系统攻击方法的交战结果时，总体准确率为96%；假阳性预测，即算法预测的胜利是失败的，为2.1%。这些结果表明，一个复杂的战斗空间模拟软件可以用来准确地训练预测性机器学习算法。

这项研究表明，将兵棋模拟与机器学习算法相结合，为支持复杂的决策和交战提供了一种机制，由激光武器系统来对付敌人的无人机群。通过实施训练有素的机器学习算法，可以分析具有异质无人机群的复杂战斗空间，从而选择适当的交战技术，从而优化目标交战的生存能力和有效性。这篇论文的主要研究目标是探索机器学习方法在识别和支持模拟舰载激光武器系统的有效目标选择和交战方法方面的功效。这项研究是生成决策辅助工具的一个组成部分，以支持无人机群与激光武器系统的交战。现代战斗空间的复杂性质需要决策辅助工具来减少作战人员的认知负担。